| − | 这一工作的创新点在于将部分信息分解(PID)框架延申的<math>\Phi</math>ID框架引入人脑静息态fMRI分析,并采用适用于高斯变量的MMI-<math>\Phi</math>ID分解方法。利用<math>\Phi</math>ID框架将两个源变量(脑区过去状态)关于目标变量(脑区未来状态)的互信息分解为冗余、独特与协同三个部分。具体而言,通过PID框架中的“协同信息”定义<math>\mathrm{Syn}=I(X_{t−τ},Y_{t−τ};X_t,Y_t)−\max{I(X_{t−τ};X_t,Y_t),I(Y_{t−τ};X_{t},Y_{t})}</math> ,揭示了协同信息主要分布于默认网络(DMN)和额顶执行控制网络(FPN),而冗余信息则主导感觉运动区;通过PID框架中的“冗余信息”定义,揭示了冗余网络具有高模块化结构且与白质纤维束密度显著相关,构成依赖物理连接的结构-功能骨干;通过比较人类与猕猴脑区间的PID分解结果,揭示了人类大脑中协同信息占总信息交换的比例显著高于非人灵长类,且高协同脑区在进化中经历了最大程度的皮层扩张,并富集人类加速基因(HAR-Brain)和高突触密度(PET证实)。该框架为理解人类认知独特性提供了统一的信息论基础。 | + | 这一工作的创新点在于将部分信息分解(PID)框架延申的<math>\Phi</math>ID框架引入人脑静息态fMRI分析,并采用适用于高斯变量的MMI-<math>\Phi</math>ID分解方法。利用<math>\Phi</math>ID框架将两个源变量(脑区过去状态)关于目标变量(脑区未来状态)的互信息分解为冗余、独特与协同三个部分。具体而言,利用<math>\mathrm{Syn}=\mathrm{I}(X_{t−τ},Y_{t−τ};X_t,Y_t)−\max{\mathrm{I}(X_{t−τ};X_t,Y_t),\mathrm{I}(Y_{t−τ};X_{t},Y_{t})}</math> ,揭示了协同信息主要分布于默认网络(DMN)和额顶执行控制网络(FPN),而冗余信息则主导感觉运动区,且冗余网络具有高模块化结构且与白质纤维束密度显著相关,构成依赖物理连接的结构-功能骨干;通过比较人类与猕猴脑区间的<math>\Phi</math>ID分解结果,揭示了人类大脑中协同信息占总信息交换的比例显著高于非人灵长类,且高协同脑区在进化中经历了最大程度的皮层扩张,并富集人类加速基因(HAR-Brain)和高突触密度(PET证实)。该框架为理解人类认知独特性提供了统一的信息论基础。 |